Внедрение GPT в энергосистему: перспективы и ограничения моделей большого языка в энергетическом секторе

Прочитано: 256 раз(а)


Много обсуждалось о перспективах и ограничениях моделей большого языка (LLM) в таких отраслях, как образование, здравоохранение и даже производство. Но как насчет энергии? Могут ли LLM, подобные тем, которые используются в ChatGPT, помочь в эксплуатации и обслуживании энергосистемы?

Новое исследование, опубликованное в журнале Joule, предполагает, что LLM могут играть важную роль в совместном управлении некоторыми аспектами сети, включая реагирование на чрезвычайные ситуации и сбои в работе, распределение экипажей, а также готовность и предотвращение лесных пожаров.

Но прежде чем LLM можно будет развернуть на местах, необходимо решить проблемы безопасности и безопасности.

Соавтором исследования является На Ли, профессор электротехники и прикладной математики семьи Винокур в Гарвардской школе инженерии и прикладных наук имени Джона А. Полсона (SEAS).

«Существует так много ажиотажа по поводу моделей на широком языке, что нам важно задаться вопросом, что выпускники магистратуры могут преуспеть и, что, возможно, более важно, что они не могут преуспеть, по крайней мере, пока, в энергетическом секторе», — сказал Ле Се, профессор электротехники и вычислительной техники Техасского университета A&M и автор исследования.

«Лучший способ описать потенциал LLM в этом секторе — это роль второго пилота. Это еще не пилотный проект, но он может предоставить советы, второе мнение и очень своевременные ответы с очень небольшим количеством выборок обучающих данных, что на самом деле очень важно. полезно для принятия человеком решений».

Исследовательская группа, в которую входили инженеры хьюстонского поставщика энергии CenterPoint Energy и оператора сети MidContinent Independent System Operations, использовала модели GPT для изучения возможностей программ LLM в энергетическом секторе и выявила как сильные, так и слабые стороны.

Сильные стороны LLM — их способность генерировать логические ответы на подсказки, учиться на основе ограниченных данных, делегировать задачи встроенным инструментам и работать с нетекстовыми данными, такими как изображения, — можно использовать для выполнения таких задач, как обнаружение сломанного оборудования. , прогнозирование нагрузки на электроэнергию в режиме реального времени и анализ закономерностей лесных пожаров для оценки рисков.

Но существуют серьезные проблемы с внедрением LLM в энергетическом секторе , не последней из которых является отсутствие сетевых данных для обучения моделей. По очевидным причинам безопасности важные данные об энергосистеме США не являются общедоступными и не могут быть обнародованы.

Еще одна проблема – отсутствие ограждений безопасности. Энергетическая сеть , как и беспилотные транспортные средства, должна уделять приоритетное внимание безопасности и иметь большой запас прочности при принятии решений в режиме реального времени. Магистрам права также необходимо научиться лучше предлагать надежные решения и прозрачность в отношении своих неопределенностей, сказал Ли.

«Мы хотим, чтобы фундаментальные специалисты магистратуры могли сказать: «Я не знаю» или «У меня только 50% уверенности в этом ответе», а не давать нам ответ, который может быть неправильным», — сказал Ли. «Мы должны иметь возможность рассчитывать на то, что эти модели предоставят нам надежные решения, соответствующие установленным стандартам безопасности и отказоустойчивости».

Все эти проблемы дают инженерам план будущей работы.

«Как инженеры, мы хотим подчеркнуть эти ограничения, потому что хотим увидеть, как мы можем их улучшить», — сказал Ли. «Инженеры энергетических систем могут помочь улучшить гарантии безопасности и безопасности путем точной настройки основополагающего LLM или разработки нашей собственной базовой модели энергосистем.

«Одна из интересных частей этого исследования заключается в том, что это снимок во времени. В следующем году или даже раньше мы сможем вернуться и вернуться ко всем этим проблемам и посмотреть, есть ли какие-либо улучшения».

Внедрение GPT в энергосистему: перспективы и ограничения моделей большого языка в энергетическом секторе



Новости партнеров